Das Internet der medizinischen Dinge (IoMT) ist eine Teilmenge des Internet der Dinge (IoT). IoMT ermöglicht den Anschluss medizinischer Geräte und innovativer Sensoren an das Internet, was die Sammlung großer Mengen wichtiger Daten ermöglicht. Diese Daten können dann analysiert und genutzt werden, um den Zustand der Patienten zu verstehen, schnellere und genauere Diagnosen zu stellen und die Muster der Ressourcennutzung in einer Gesundheitseinrichtung zu verstehen. Deloitte berichtet, dass der IoMT-Markt im Jahr 2022 schätzungsweise 158,1 Milliarden Dollar erreichen wird.
IoMT wird im Gesundheitswesen immer beliebter, da die Preise für Sensortechnologie sinken, Hochgeschwindigkeits-Internet verfügbar ist und die Zahl der chronischen Krankheiten zunimmt, was zu einer überwältigenden Anzahl von Kontrollbesuchen führt. Auch die wachsende Zahl älterer Menschen spielt eine wichtige Rolle. Laut Forbes wird die Weltbevölkerung im Jahr 2025 schätzungsweise 8 Milliarden Menschen umfassen, darunter etwa 1,2 Milliarden ältere Menschen. Bei diesen Menschen treten mehr Gesundheitsprobleme auf, was die damit verbundenen Gesundheitskosten sowohl für die Patienten als auch für die medizinischen Einrichtungen in die Höhe treibt und sie zwingt, nach einer Alternative zu den herkömmlichen Ansätzen zu suchen.
Patientenüberwachung aus der Ferne in Echtzeit
Verbundene medizinische Geräte können das Leben von Menschen mit Behinderungen und chronischen Erkrankungen enorm vereinfachen. Dies hilft auch Gesundheitseinrichtungen, da Patienten aus der Ferne überwacht und behandelt werden können, wodurch Krankenhausbetten für die Notfallversorgung von Patienten frei werden. Darüber hinaus ermöglicht die Erfassung von Daten aus medizinischen Geräten die Erstellung eines ganzheitlichen Bildes eines Patienten und eine ständige Überwachung, die durch häufige Arztbesuche nicht erreicht werden kann.
Überwachung chronischer Krankheiten
Es gibt medizinische Geräte, die Patienten zu Hause verwenden können, um Blutdruck, Schweiß und Blutzucker zu messen. Nach Angaben des Centers for Disease Control and Prevention leiden 6 von 10 Amerikanern an einer chronischen Krankheit, 4 von 10 sogar an zwei oder mehr Krankheiten.
Diabetes ist eine häufige chronische Krankheit. Ein Beispiel für die Kontrolle von Diabetes ohne ständige Arztbesuche ist die Verwendung eines automatischen Insulinverabreichungssystems. Dieses System überwacht den Glukosespiegel im Blut des Patienten und passt die Insulinabgabe entsprechend an. Dank dieser automatischen Anpassung kann der Patient nachts sicher durchschlafen, ohne befürchten zu müssen, dass sein Blutzuckerspiegel drastisch abfällt.
Eine weitere häufige chronische Krankheit ist Asthma, das die Betroffenen zur Verwendung von Inhalatoren zwingt. Propeller Health hat einen Sensor entwickelt, der in einen Inhalator eingebaut werden kann. Dieser Sensor wird mit einer App verbunden und sammelt Daten über die Verwendung des Inhalators. Er hilft den Patienten, die Ursachen ihrer Symptome zu verstehen, die Häufigkeit der Verwendung des Inhalators zu verfolgen und auf der Grundlage dieser Daten Anfälle vorherzusagen. Die Ergebnisse können mit dem Gesundheitsdienstleister geteilt werden, der überprüfen kann, ob der Patient den Inhalator wie vorgeschrieben verwendet.
Überprüfung der Einhaltung des Behandlungsplans
Ein Beispiel für die Überwachung der Therapietreue ist eine IoMT-Pille. Nach dem Schlucken erzeugt diese Pille ein Signal, das von einem tragbaren Sensor erfasst wird. Diese Daten werden vom Sensor an eine App übertragen und mit dem Arzt geteilt. Wenn ein solches System invasiv erscheint, sollte man wissen, dass es auf einer Opt-in-Basis funktioniert und der Patient sich jederzeit dagegen entscheiden und die Weitergabe von Informationen beenden kann.
Daten über die Aktivitäten der Patienten, die von vernetzten medizinischen Geräten gesammelt werden, bieten einen objektiven Überblick. Dies ist eine Alternative zu den subjektiven Berichten der Patienten darüber, wie sie sich fühlen und welche Verordnungen sie befolgt haben.
Zeitnahe und genaue Diagnose
Verbundene medizinische Geräte ermöglichen die Erfassung verschiedener Arten von diagnostisch relevanten Daten, die von klinischen Entscheidungsunterstützungssystemen genutzt werden können. Dazu gehören psychologische, genetische und verhaltensbezogene Daten. Diese vielfältigen Daten vermitteln ein realistischeres und vollständigeres Bild des Zustands eines Patienten und ermöglichen die Aufdeckung von Gesundheitsmustern, die für einen Arzt, der einen einmaligen diagnostischen Test durchführt, nicht sichtbar wären.
Diagnose eines seltenen Leukämiefalls in nur 10 Minuten
Bei einem Patienten, der in ein Krankenhaus in Japan eingeliefert wurde, wurde akute myeloische Leukämie (Blutkrebs) diagnostiziert. Die Patientin wurde einer Chemotherapie unterzogen, um ihre Krankheit zu behandeln, und die Therapie wurde als erfolgreich angesehen. Die Ärzte stellten jedoch fest, dass sie sich ungewöhnlich langsam erholte, was sie zu der Erkenntnis führte, dass es sich um eine andere Art von Leukämie handelte.
Der nächste Schritt bestand darin, die Diagnose an IBM Watson zu delegieren. Das System analysierte relevante Daten aus Millionen von onkologischen Forschungsberichten sowie die genetischen Daten der Patientin. Der Supercomputer entdeckte über tausend genetische Mutationen in der DNA des Patienten und war in der Lage, die relevanten Mutationen zu identifizieren, während er diejenigen ignorierte, die für die betreffende Krankheit irrelevant waren. Bemerkenswerterweise war Watson in der Lage, auf diese enorme Datenmenge in nur 10 Minuten zuzugreifen und sie zu analysieren, während die Ärzte für diese Aufgabe 2 Wochen benötigten.
Computer-vision in der Diagnose
Dank der Fortschritte in der Softwareentwicklung und Datenverarbeitung können medizinische Computer-Vision-Systeme Bilder und Videos lesen, Informationen extrahieren und Analysen durchführen. Start-ups im Gesundheitswesen arbeiten mit Computer-Vision-Firmen zusammen, um ein Mustererkennungssystem zu entwickeln, das Ärzten hilft, Veränderungen wie Arterienverhärtungen und das Auftreten von Tumoren zu erkennen und Krankheiten wie Krebs zu diagnostizieren. Der Einsatz von Computer Vision ist eine schnellere und billigere Methode als die traditionelle Biopsie.
Solche Computer-Vision-Programme lernen anhand von Tausenden oder sogar Millionen von Bildern, sich einzuprägen, wie Anomalien aussehen, um sie später identifizieren zu können. Dies ähnelt vielleicht der Art und Weise, wie Menschen Diagnosen stellen. Allerdings sind diese Informationen in Nullen und Einsen kodiert, so dass ein menschliches Auge sie nicht in einem Bild sehen kann.
Computer-vision für Hautkrebs
Die Computervision hat einen Durchbruch in der Dermatologie erzielt, da sie einen Scan der Haut einer Person schneller analysieren kann als Dermatologen bei einem persönlichen Test.
Forscher der Universität Stanford haben ein lernendes System entwickelt, das potenziellen Hautkrebs anhand von Scans erkennen soll. Dieses System wurde gegen 21 zertifizierte Dermatologen bei der Überprüfung von 370 Hautscans getestet. Das System zeigte eine hervorragende Leistung und empfahl die gleichen Maßnahmen wie die Dermatologen, was ein großes Potenzial für solche Systeme in der dermatologischen Praxis darstellt.
Diagnose seltener Krankheiten anhand von Gesichtsbildern
Face2Gene hat eine App entwickelt, die Ärzten hilft, seltene Syndrome anhand eines Fotos des Gesichts eines Patienten zu erkennen. Ein Arzt lädt das Bild eines Patienten hoch, und das System sucht anhand der Gesichtszüge nach einem passenden Syndrom. Es zeigt alle übereinstimmenden Syndrome zusammen mit den entsprechenden Gesichtsbildern nach Relevanz geordnet an. Der Arzt kann das Gesicht seines Patienten direkt mit dem Gesicht, das das Syndrom verkörpert, vergleichen. Die App gibt auch eine detaillierte Erklärung für jedes Syndrom, was dem Arzt Zeit spart.
Fortgeschrittene Analyse von Daten aus vernetzten medizinischen Geräten
In Krankenhäusern erzeugen verschiedene medizinische Geräte ständig große Mengen an Daten. Die Daten stammen von Herzmonitoren, Beatmungsgeräten, Blutpumpen und anderen Geräten. Die manuelle Aufzeichnung und Analyse dieser Daten ist eine langwierige Aufgabe, die anfällig für menschliche Fehler ist. IoMT bietet eine Umgebung, in der diese Daten automatisch und in Echtzeit aufgezeichnet und analysiert werden können, was nützliche Erkenntnisse liefert und das medizinische Personal entlastet, damit es sich auf die eigentliche Pflege konzentrieren kann. Experten empfehlen den Anbietern außerdem, vor der Anwendung fortgeschrittener Analysen auf die Daten angeschlossener Geräte eine EHR-Migration durchzuführen. Auf diese Weise erhalten die Anbieter die Möglichkeit, den Gesundheitszustand ihrer Patienten im Laufe der Zeit zu überwachen, ohne die internen Systeme mit einer hohen Datenlast zu belasten.
Medizinische Gerätedaten bieten umfassende Einblicke in den Gesundheitszustand der Patienten und die Auswirkungen der erhaltenen Behandlung, analysieren die Auswirkungen von Medikamenten auf verschiedene Personen und zeigen Gesundheitstrends in der Bevölkerung auf. Darüber hinaus ist es möglich, diese Daten zu nutzen, um betriebliche Abläufe in Krankenhäusern zu analysieren, sie zu verbessern, um Kosten zu senken und bewährte Verfahren zu ermitteln.
Aufgrund der Vorteile der IoMT-Datenanalyse versuchen Einrichtungen des Gesundheitswesens, fortgeschrittene analytische Fähigkeiten zu entwickeln. Es ist auch üblich, dass Einrichtungen des Gesundheitswesens mit Technologieunternehmen zusammenarbeiten, um tiefere Einblicke aus ihren Daten zu gewinnen.
Datenanalytik in Glukoseüberwachungssystemen
Dexcom, ein Entwickler von Systemen zur kontinuierlichen Blutzuckermessung, hat mit Verily Life Sciences zusammengearbeitet, um ein Blutzuckermesssystem zu entwickeln, das mit Hilfe von Analysen Menschen mit Diabetes bei der Kontrolle ihrer Krankheit unterstützt. Die Zusammenarbeit führte zur Entwicklung eines tragbaren Geräts mit einem Sensor, der unter der Haut sitzt und die interstitielle Flüssigkeit überwacht. Dieser Sensor verfügt über eine drahtlose Verbindung, die es ermöglicht, Daten über den Blutzuckerspiegel des Patienten auszutauschen und zu speichern, die dann analysiert werden, wobei die Ergebnisse verwendet werden, um eine personalisierte Behandlung anzubieten.
Zusammenarbeit zwischen MedTech-Unternehmen
Ein weiterer beliebter Trend ist die Zusammenarbeit zwischen Einrichtungen des Gesundheitswesens, um ihre Datensätze für eine noch umfassendere Analyse zusammenzuführen. Ein Beispiel für eine solche Zusammenarbeit ist die Allianz von GE Healthcare und Roche Diagnostics. Die beiden Unternehmen wollen ein Dashboard erstellen, das die Bildgebungs- und Überwachungsdaten von GE Healthcare zusammen mit den Gewebepathologie- und Genomikdaten von Roche nutzt. Diese Dashboards werden die klinische Entscheidungsfindung bei Krebs- und Intensivpatienten unterstützen, indem sie Komplikationen schnell erkennen und sogar vorhersagen.
Verwaltung von Krankenhauspersonal, -ausrüstung und -material
Manche Krankenhäuser sind heute so groß wie eine Kleinstadt. Das Auffinden von Personal und Ausrüstung, insbesondere bei Notfällen, kann zu einem mühsamen und zeitaufwändigen Prozess werden. Healthcare IoT schafft hier Abhilfe, denn es erleichtert die Ortung mit Hilfe von Ortungsgeräten.
Verwaltung und Terminplanung
Wie im International Journal of Health Geographics veröffentlicht, neigen Krankenhäuser dazu, etwa 10 bis 20 Prozent mehr tragbare Geräte zu kaufen, als sie für den Betrieb benötigen. Mit Hilfe von IoMT ist es möglich, Tracker an medizinischen Geräten anzubringen und Signale zu empfangen, wenn der Vorrat zur Neige geht. In ähnlicher Weise ist es möglich, Personen und Geräte zu verfolgen. Wenn zum Beispiel die Notaufnahme einen Defibrillator benötigt, kann IoMT sagen, wo er zu finden ist. Wenn es einen Patienten gibt, der nur Deutsch spricht, kann man mit IoMT überprüfen, ob heute deutschsprachiges Personal im Dienst ist.
Ein weiteres Beispiel ist die Verwaltung von Blutbankdaten innerhalb einer Einrichtung des Gesundheitswesens mit einer Software, die Datenströme von mehreren Transfusionsgeräten in Echtzeit miteinander verbindet und integriert.
Die Analyse von Daten, die von vernetzten medizinischen Geräten geliefert werden, hilft Managern, bessere Personal- und Zeitplanungsentscheidungen zu treffen. Sie werden die Mobilität des Personals und die Nutzungsmuster der Geräte verstehen. Anhand dieser Informationen können sie vorhersagen, wo am nächsten Tag (oder auf längere Sicht) Personal und Geräte benötigt werden. Mit dieser Strategie können Manager Personal- und Ressourcenzuweisungspläne erstellen, die sicherstellen, dass die richtige Ressource zur richtigen Zeit und am richtigen Ort zur Verfügung gestellt wird, wodurch Ressourcenkonflikte vermieden werden.
Benachrichtigung bei Gerätefehlfunktionen
IoMT ermöglicht es, ein Netz angeschlossener medizinischer Geräte zu überwachen und zu melden, wenn ein Gerät nicht ordnungsgemäß funktioniert. Der rechtzeitige Erhalt dieser Informationen ermöglicht es dem medizinischen Personal, Vorkehrungen zu treffen und die Geräte schnell zu reparieren, so dass die Ausfallzeiten minimiert oder sogar vermieden werden können. Darüber hinaus ermöglicht diese rechtzeitige Benachrichtigung eine frühzeitige Reparatur der Geräte, bevor sie irreparabel beschädigt werden.
Das e-Alert-System von Philips überwacht beispielsweise Magnetresonanztomographen (MRT), um mögliche Fehlfunktionen zu erkennen, bevor sie auftreten, so dass das Krankenhaus proaktiv reagieren und die Ausfallzeit des Geräts minimieren kann. e-Alert überwacht Parameter wie den Heliumpegel und die Kühlwasserversorgung sowie alle anderen Parameter, die für eine optimale Funktion des MRT erforderlich sind.
Erleichternde Maßnahmen
Ein weiterer wichtiger Anwendungsfall für vernetzte medizinische Geräte ist die Verbindung mit Rettungsfahrzeugen, um die Bedürfnisse der Patienten zu verstehen und die Notaufnahme vor deren Ankunft vorzubereiten, um Zeit zu sparen. Dies wird in lebensbedrohlichen Situationen, wenn jede Sekunde zählt, noch wertvoller.
Eine besondere Art, dies zu tun, ist die Installation von 3G-Videogeräten in Krankenwagen. Über dieses Videosystem kann sich das Krankenhauspersonal über den Zustand des Patienten informieren, während er unterwegs ist. Wenn der Krankenwagen sehr weit vom Krankenhaus entfernt ist, kann das medizinische Fernbildsystem als Teil der Vorbehandlung eingesetzt werden.
Ein Versuch bei IoMT
Gesundheitsdienstleister erkennen zunehmend die Vorzüge von IoMT für ihr Facility Management. Bei der Einführung von IoMT in Ihren Praxen gibt es jedoch einige Überlegungen, die zu beachten sind. Eine davon betrifft die Infrastrukturkosten, die für die Einrichtung der erforderlichen Plattform für vernetzte medizinische Geräte erforderlich sind. Eine weitere Überlegung betrifft die Bedrohungen der Cybersicherheit und das Risiko des Datendiebstahls. Hinzu kommt die regulatorische Belastung durch verschiedene staatliche Richtlinien zum Datenaustausch und Datenschutz.
Bei Betrachtung der Vorteile bringt IoMT eine Erleichterung für Patienten mit chronischen Erkrankungen, da ihr Zustand bequem von zu Hause aus überwacht werden kann, ohne dass sie ständig Einrichtungen des Gesundheitswesens aufsuchen müssen, während die Krankenhauskapazitäten für Patienten mit Notfällen genutzt werden können. Die von vernetzten medizinischen Geräten gesammelten Daten helfen zu verstehen, welche Ressourcen über- oder unterausgelastet sind, und ermöglichen eine effizientere Planung und Zuweisung von medizinischem Personal und Ausrüstung.
Auch wenn die anfängliche Investition in Geld und Energie beträchtlich ist, wird sich IoMT durch bessere Gesundheitsergebnisse und eine effizientere Nutzung Ihrer Ressourcen auszahlen.
